Effect of different drying methods on volatile components of tilapia fillets analyzed by electronic nose combined with GC-MS
-
摘要: 为了解不同干燥方式对罗非鱼片挥发性风味物质的影响,为罗非鱼片加工提供参考依据,采用电子鼻和顶空固相微萃取结合气相色谱-质谱联用技术 (HS-SPME-GC-MS) 分析了经超声波辅助聚葡萄糖渗透热泵干燥 (UAPOHPD)、热泵干燥 (HPD)、超声波辅助聚葡萄糖渗透真空冷冻-热泵联合干燥 (UAPOVFHPCD) 和真空冷冻干燥 (VFD) 所得罗非鱼片干制品的挥发性风味物质,并对不同干制品的风味物质进行主成分分析,利用相对气味活度值确定不同干制品的关键风味成分。结果表明,电子鼻能较好地区分不同罗非鱼片干制品。其中,新鲜罗非鱼片有3种关键风味成分,UAPOVFHPCD制品有4种关键风味成分,而UAPOHPD、HPD和VFD制品均有5种关键风味成分。HPD制品挥发性气味物质的综合得分最高,其后依次为UAPOHPD、VFD和UAPOVFHPCD制品。
-
关键词:
- 罗非鱼片干制品 /
- 干燥方式 /
- 挥发性风味物质 /
- 电子鼻 /
- 顶空固相微萃取结合气相色谱-质谱联用技术
Abstract: To investigate the effect of different drying methods on the volatile flavor components of tilapia fillets, and to provide references for the processing of tilapia fillets, four dried tilapia fillets were obtained by ultrasound-assisted polydextrose osmotic heat pump drying (UAPOHPD), heat pump drying (HPD), ultrasound-assisted polydextrose osmotic vacuum freezing-heat pump combined drying (UAPOVFHPCD), vacuum freeze drying (VFD), respectively, and their volatile components were analyzed by electronic nose combined with HS-SPME-GC-MS. The volatile flavor components of tilapia fillets were analyzed by principal component analysis (PCA), and the key flavor components of different dried products were determined by the relative odor activity value. The results show that the electronic nose could better distinguish different dried tilapia products. The fresh tilapia fillets, UAPOHPD products, HPD products, UAPOVFHPCD products and VFD products had three, five, five, four and five key flavor components, respectively. The comprehensive score of HPD products was the highest, followed by UAPOHPD products, VFD products and UAPOVHFPCD products. -
围网是一种捕捞集群鱼类,规模大、产量高的过滤性网具[1]。特别是现代金枪鱼围网,是世界上捕捞效率最高的渔具之一。鉴于围网的捕鱼原理,网具的快速沉降及有效提升是决定围网捕捞效率的两大关键性因子[2]。围网作业时,提升速度是衡量网具是否能够有效包围鱼群决定捕捞效率的重要参数。网具收绞过程中,往往由于围网下纲的提升不到位,网具下部无法及时闭合产生缺口,以至栖息水层较深的鱼类容易从网具下部缺口处逃逸。对于深水围网下纲提升特性的研究十分重要。通过对围网下纲各个部位提升速度的研究,了解有关影响因素,将有助于了解网具的提升规律,减少空网率。
国内外学者对于围网网具的沉降性能[3-10]进行过系统的研究和分析。有关围网提升性能的研究仅局限于20世纪80年代的近海围网,且相关研究较少。刘树椿[11]提出深水围网提升速度是衡量围网网具捕捞效益的参数,认为捕捞栖息水层较浅且活动性强的鱼群时,不宜过度减小提升速度。冯维山[12]根据挪威鲱鱼围网的实测数据和理论分析,提出了正确收绞括纲的方法,阐述了围网下纲中部提升速度随括纲的收绞而加快的变化规律及影响网具提升的主要因素,探讨了网具获得良好提升性能的长高比理论公式。崔建章和陆赤[13]、陆赤和崔建章[14]对近海围网底环张力进行测试分析,得出网具各部分的底环纲张力不同,网具各部位底环纲张力总的变化呈现出逐渐增大的趋势。日本学者IITAKA[15-16]模型试验结果表明,当收绞时下纲上方有较多松弛的网衣,将会影响下纲的提升。至今尚未见到有关围网下纲提升规律系统分析的报道。大洋性金枪鱼围网在网具规格和作业特点等方面都与近海鲐、鲱鱼围网有较大差别,因此有必要对其提升性能进行研究。
笔者根据2014年2月~5月上海开创远洋渔业有限公司“金汇7号”金枪鱼围网渔船在中西太平洋作业期间收集的网具作业参数和海流数据,分析研究金枪鱼围网提升深度、提升速度与时间的关系,以及下纲在提升过程中的稳定程度。并通过方差分析筛选出影响网具提升性能的关键性因子,为改善金枪鱼围网操作过程提供参考。
1. 材料与方法
1.1 渔船和渔具
生产作业船为上海开创远洋渔业有限公司大型金枪鱼围网渔船“金汇7号”,渔船主尺度参数为:总吨位1 789 t,净吨位530 t,船长79.77 m,型宽12.19 m,型深5.84 m,主机额定功率2 646 kW,最大设计航速13 kn,作业航速9.8~12.5 kn,绞纲机绞纲速度为0.5 m · s-1。使用的渔具主尺度规格为1 637.7 m×321.6 m(上纲长度×网衣中部最大拉直高度),浮子纲网衣的缩结系数为0.8;沉子纲长1 963.7 m,沉子纲网衣缩结系数为0.92;网具由29片网衣缝合而成,网衣材料为聚酰胺纤维(PA),取鱼部网目尺寸90 mm,网翼网目尺寸260 mm,网线为编线。网衣下端共有底环119只,沉子总质量为26 t(空气中质量)。
1.2 测试仪器
测定围网网具沉降深度和提升深度的仪器为加拿大RBR公司生产的TDR-2050微型温度深度计,仪器测试深度范围为10~740 m,测试精准度为0.05%。测定海流流速的仪器为日本无线株式会社生产的JLN-628型鱼群监视潮流计,仪器测定潮流为相对潮流。
1.3 试验方法
此次海上测试共使用5个TDR-2050微型温度深度计,仪器间隔均匀地缚扎在围网下纲的不同部位(图 1)。其中1号位于网衣的后网头部位,3号位于网衣的中部,5号位于网衣的取鱼部,其余2个扎缚在网翼部分。因此1号、3号、5号所测定的数据为3个不同部位深度的变化值。测定时,TDR设置时间与电脑同步,时间间隔设置为5 s,记录围网操作过程中的不同时间点所对应的不同深度值。
1.4 数据处理
1.4.1 提升深度和提升速度的计算
提升高度根据TDR-2050微型温度深度计自动记录的相应时刻的深度值表示。提升深度是指网具下纲各个部位最大沉降深度到水面的距离。绞纲时下纲的提升速度(V提升)是指绞纲时下纲从最大沉降深度逐渐提升到水面这段时间的平均速度[11]。提升速度采用平均速度表示。根据实测有效网次的下纲各部位的最大沉降深度值和相应的提升时间,计算取鱼部、下纲中部和后网头3个部位的平均提升速度,分析下纲在提升过程中不同部位的平均提升速度。提升过程如图 2所示。
1.4.2 提升深度、提升速度与时间的关系
根据TDR-2050微型温度深度计每30 s记录的提升深度,采用多项式回归法(polynomial regression)分析下纲不同部位提升深度与提升时间的关系;计算下纲各个不同部位每隔30 s的提升速度,多项式回归分析不同部位提升速度与时间的关系。采用变异系数CV(coefficient of variance)反映提升深度和提升速度在不同时刻的波动情况。CV是刻画数据相对分散性的一种度量,是标准偏差与平均值之比,其表达式为:
$$ \mathrm{CV}=\frac{s}{X} \%, s \text { 为标准偏差, } \bar{X} \text { 为平均值。 } $$ 1.4.3 方差分析
利用R软件(Version 3.1.1)进行方差分析[17],检测因素各水平对试验指标的影响是否显著,确定下纲不同部位提升速度与不同水层水流2个变量间是否存在显著相关性。
2. 结果与分析
2.1 网具下纲提升速度
对网具下纲取鱼部、中部、后网头提升速度的对比分析得到,取鱼部平均提升速度为0.11 m · s-1(95%置信区间为0.10~0.12 m · s-1),速度变动范围为0.06~0.20 m · s-1;中部平均提升速度为0.18 m · s-1(95%置信区间为0.17~0.19 m · s-1),速度变动范围为0.11~0.24 m · s-1;后网头平均提升速度为0.13 m · s-1(95%置信区间为0.11~0.15 m · s-1),速度变动范围为0.09~0.27 m · s-1。在下纲提升过程中,中部提升速度最快,其次为后网头、取鱼部。下纲不同部位提升速度的比较如图 3所示。
2.2 围网下纲提升深度与提升时间的关系
在金枪鱼围网中,网具的取鱼部、中部和后网头的提升深度变化较大,因此选取这3个部位来研究网具下纲提升深度在不同时间段的变化规律及其波动情况具有代表性。
图 4-a为取鱼部下纲每隔30 s提升深度随时间的变化。从提升深度的变化趋势来看,取鱼部在括纲收绞过程中呈现稳步提升的状态,前期提升状态较为平稳,中期和后期提升深度较快。前400 s提升深度仅占总提升深度(163 m)的11%,400 s后提升深度明显加快。CV的变化(图 4-a)表明,取鱼部从最大沉降深度开始提升,前400 s提升深度变化较为平缓,CV基本保持约0.2;第400秒至第800秒,提升深度的变化波动较大; 800 s后提升深度从平稳又变为波动状态。围网取鱼部从最大深度开始提升到水面大约需要35 min。围网取鱼部提升深度与提升时间的关系可用式(1)表示:
$$ \begin{aligned} & h_{1=}=-1.3 \times 10^{-5} t_1{ }^2-0.047\;4 t_1+173.37\left(R^2=\right. \\ & 0.987\;9) \end{aligned} $$ (1) 式中h1为下纲取鱼部提升深度(m);t1为下纲取鱼部提升时间(s)。
图 4-b为围网中部下纲每隔30 s提升深度随时间的变化。从提升深度变化趋势来看,中部下纲的提升深度总体上是前期变化较为稳定,后期波动较为剧烈。前300 s的提升深度变化缓慢,仅占中部下纲提升深度的约6%;300 s后提升深度明显加快。从中部下纲提升深度的CV可以看出,前300 s提升深度的波动较小,基本维持在约0.11;300 s后提升深度波动较为明显,波动幅度也越来越大。围网中部下纲提升过程大约需要30 min。围网中部下纲提升深度与提升时间的关系用式(2)表示:
$$ \begin{array}{l} h_2=-6.2 \times 10^{-5} t_2{ }^2-0.078\;4 t_2+234.33\left(R^2=\right. \\ 0.987\;9) \end{array} $$ (2) 式中h2为下纲中部的提升深度(m);t2为下纲中部提升时间(s)。
图 4-c为后网头下纲每隔30 s提升深度随时间的变化。前200 s,后网头下纲部位的提升深度变化较为平缓,提升深度约占总提升深度的4.54%;第200秒后下纲提升深度变快。前200 s,后网头下纲部位提升深度的CV基本上保持约0.18,比较稳定; 200~700 s提升深度变化较为剧烈; 700~1 000 s变化又趋于平缓; 1 000 s后提升深度波动又相当剧烈。后网头提升过程大约需要30 min。围网后网头提升深度与提升时间的关系可以用式(3)表示:
$$ \begin{array}{l} h_3=-8.3 \times 10^{-6} t_3{ }^2-0.043\;8 t_3+177.67\left(R^2=\right. \\ 0.973\;2) \end{array} $$ (3) 式中h3为下纲后网头提升深度(m);t3为下纲后网头提升时间(s)。
2.3 围网下纲提升速度与提升时间的关系
图 5-a为取鱼部每隔30 s提升速度随时间的变化曲线。总体看来取鱼部提升速度随时间逐渐增大,前360 s下纲提升速度变化较小,360 s后提升速度变化较大,最大提升速度可达0.17 m · s-1。从取鱼部提升速度的CV可以看出,在提升的整个过程中,取鱼部下纲提升速度的波动较为剧烈。围网取鱼部提升速度与时间的关系可用式(4)表示:
$$ \begin{aligned} & v_1=1.2 \times 10 t_1{ }^2+7.6 \times 10^{-5} t_1+0.025\;2\left(R^2=\right. \\ & 0.946\;9) \end{aligned} $$ (4) 式中v1为下纲取鱼部的提升速度(m · s-1);t1为下纲取鱼部的提升时间(s)。
图 5-b为下纲中部每隔30 s提升速度随时间的变化曲线。下纲中部提升速度随时间变化逐渐增大,最后提升速度趋于稳定。最大提升速度为0.29 m · s-1。从下纲中部提升速度的CV可以看出,前100 s提升速度波动较大; 在100~400 s之间CV趋于平缓,维持约0.7;400 s后提升速度的CV有了较为明显的下降。围网下纲中部提升速度与提升时间的关系可以用式(5)表示:
$$ \begin{array}{l} v_2=-1.8 \times 10^{-7} t_2{ }^2+0.000\;5 t_2-0.024\;6\left(R^2=\right. \\ 0.981\;4) \end{array} $$ (5) 式中v2为下纲中部的提升速度(m · s-1),t2为下纲中部的提升时间(s)。
图 5-c为下纲后网头每隔30 s提升速度随时间的变化曲线,后网头提升速度总体趋势是随时间逐渐增大,前1 000 s提升速度变化较为缓慢,1 000 s后提升速度迅速增加,从0.12 m · s-1迅速提升到0.25 m · s-1。从后网头提升速度的CV可以看出,后网头在整个提升过程中波动较为剧烈,整个提升过程大约需要30 min。后网头与时间的关系可用式(6)表示:
$$ \begin{array}{l} v_3=4.2 \times 10 t_3{ }^2+6.8 \times 10^{-5} t_3+0.033\;7\left(R^2=\right. \\ 0.912\;0) \end{array} $$ (6) 式中v3为下纲后网头的提升速度(m · s-1);t3为下纲后网头的提升时间(s)。
2.4 海流流速对围网下纲提升速度影响
运用R语言软件(V 3.1.1)对70 m和120 m水深的流速对选定的下纲3个部位提升速度的影响进行单因素方差分析,结果表明(表 1),70 m和120 m水深的水流速度对取鱼部、中部和后网头下纲提升速度均有十分显著的影响(P<0.01)。
表 1 流速对提升速度影响的方差分析Table 1. One-Way ANOVA for effect of leadline rising speed on current speed下纲各部位different parts of leadline P 70 m层流速/m·s-1 current speed at depth of 70 m 120 m层流速/ m·s-1 current speed at depth of 120 m 取鱼部bunt <0.01* <0.01* 中部middle part <0.01* <0.01* 后网头back wing end <0.01* <0.01* 注:*. 显著性相关(P<0.01)
Note:*. significant correlation (P<0.01)3. 讨论
3.1 网具下纲提升速度
提升速度也是衡量大型深水围网网具捕捞效益的参数。在围网提升过程中,提升速度的快慢也决定了网具捕捞体积的大小,提升速度越小,即下纲的提升越慢,围网捕捞的体积也就越大,反之,下纲提升越快,捕捞体积也就越小[11]。这对于大型金枪鱼围网来说,相当重要,V提升越大提升速度也就越大,对于尽快封闭网口具有重要的作用,但提升速度如果过快也影响了围网网具的最大下沉深度,因此研究围网下纲的提升速度随时间的变化规律具有重要的意义。
该研究表明,大型金枪鱼围网下纲各个部位的提升速度存在很大差异,但下纲各个部位均呈现提升速度随时间的推移而逐渐增大的变化规律,中部提升速度较大,最大提升速度可达0.29 m · s-1,其次为后网头和取鱼部,其最大提升速度分别为0.25 m · s-1和0.17 m · s-1。在金枪鱼围网收绞过程中,由于下纲底环不断向中部靠拢,造成中部所受的向上分力不断增大,这是导致中部提升速度最大的主要原因。后网头在下纲提升过程中,由于围网操作不同,所受向上分力大于取鱼部向上提升的分力,这是因为取鱼部离母船最近,而后网头由于括纲的长度影响所导致。在提升前期,中部提升速度波动较小,取鱼部与后网头在提升整个过程中波动都较为剧烈,这是由于在提升过程中中部受力较为均匀、而取鱼部与后网在提升过程中受力不均匀导致。
3.2 提升深度、提升速度的变化
针对3个不同部位提升深度的研究可以看出,虽然在围网提升过程中3个部位的提升过程各不相同,但总体上都呈现出提升深度先稳定后波动的趋势。在3个部位从最大深度提升的过程中,取鱼部和后网头的提升过程较类似,前800 s取鱼部、后网头提升深度较中部较小,在800 s后提升深度值较中部大。研究结果表明,围网中部提升深度在前300 s波动较小,而取鱼部及后网头分别在400 s和200 s波动较小,这是由于在提升前期,网具3个部分的受力不同[11],导致其稳定的程度不同。
分析表明,下纲提升深度的变化在提升前期较为稳定,后期波动较为剧烈。这是由于在开始收绞括纲阶段,网衣还有较大的沉降空间,网具还有较多松弛的网衣[15-16, 18],这时下纲受力较小等,是网具提升前期提升深度较稳定的主要原因。在网具下纲提升速度方面,提升速度随着时间的增加而逐渐加快,与冯维山[12]得出的网具下纲提升速度随着括纲的收绞而加快的研究结果一致。在最大提升速度方面,金枪鱼围网中部最大提升速度可达0.29 m · s-1,是冯维山[12]研究得出的近海围网中部最大提升速度(0.11 m · s-1)的2倍多,这和作业2种围网渔船的甲板机械的配置功率有关,也反映了金枪鱼围网和中国近海鲐、鲱鱼围网在操作要求上存在很大的不同。崔建章和陆赤[13]、陆赤和崔建章[14]研究结果表明网具各部分底环纲张力总的变化呈现出逐渐增大的趋势,这也从力学角度阐明网具提升速度的增加主要是由下纲受力增加所引起。从下纲提升速度的CV来看,下纲在提升过程中,各部位提升速度的变化较为剧烈,而观察到的绞纲速度基本维持约0.5 m · s-1。这可能是由于在括纲的收绞过程中船体、绞纲的速度不稳定及水流变化造成的,还可能是由于各纲绳随时间的增加受力逐渐增加、受力的纲绳产生颤动等有关。
3.3 水流对网具提升速度的影响
由于测试仪器及船舶条件的限制,此研究只采集到10 m、70 m及120 m水层的水流流速。研究发现70 m深的和120 m深的水流流速对于下纲的提升性能有显著性影响(P<0.01),而10 m水流流速却无显著性影响,这是由于下纲最终提升的深度为水下约9 m,因此这可能是10 m水层流速对于提升性能无显著性影响的主要原因。研究发现,60 m水流与120 m水流对于网具的沉降性能有显著性影响[7-8],因此在金枪鱼围网操作过程中可将不同水层水流作为围网操作过程中的主要外部环境因子,这对于金枪鱼围网操作具有一定的参考意义。
-
表 1 不同干燥方式对罗非鱼片挥发性风味物质种类及相对含量的影响
Table 1 Effect of different drying methods on types and relative contents of volatile flavor compounds in tilapia fillets
类别
Category新鲜鱼肉
FS超声波辅助聚葡萄糖渗透热泵干燥
UAPOHPD热泵干燥
HPD数量
Amount相对含量
Relative amount/%数量
Amount相对含量
Relative amount/%数量
Amount相对含量
Relative amount/%酮 Ketone 1 0.273 5 5.801 5 10.528 醇 Alcohol 5 4.862 15 6.024 20 9.556 醛类 Aldehydes 4 1.346 5 3.553 2 1.547 酯 Esters 1 0.453 4 2.925 9 5.834 醚 Ethers — — 4 2.202 2 1.022 烃类 Hydrocarbon 21 64.031 44 54.568 44 43.483 其他类 Others 7 12.722 11 24.927 8 28.093 类别
Category超声波辅助聚葡萄糖渗透真空冷冻-热泵联合干燥
UAPOVFHPCD真空冷冻干燥
VFD数量 Amount 相对含量 Relative amount/% 数量 Amount 相对含量 Relative amount/% 酮 Ketone 2 1.354 4 2.457 醇 Alcohol 18 13.984 12 8.061 醛类 Aldehydes 3 8.215 5 6.188 酯 Esters 4 1.721 4 0.345 醚 Ethers 3 2.359 1 0.185 烃类 Hydrocarbon 26 67.876 20 70.101 其他类 Others 6 4.433 3 12.662 注:—. 未检测到。
Note: —. Not detected.表 2 5种不同罗非鱼片挥发性风味物质的相对气味活度值
Table 2 ROAVS of volatile flavor compounds in five different tilapia fillets
化合物
Compound阈值
Threshold value/(μg∙kg−1)相对气味活度值 Relative odor activity value 超声波辅助聚葡萄糖
渗透热泵干燥
UAPOHPD热泵干燥
HPD超声波辅助聚葡萄糖
渗透真空冷冻-热泵
联合干燥
UAPOVFHPCD真空冷冻干燥
VFD新鲜鱼肉
FS3-羟基-2-丁酮 C4H8O2 55.000 2.917 1.205 0.487 1.011 2-壬酮 C9H18O 41.000~82.000 0.268~0.535 0.160~0.319 0.024~0.047 1-辛烯-3-醇 C8H16O 1.500 32.850 100.000 十二醇 C12H26O 16.000 2.789 5.443 1.462 3.038 4.237 植物醇 C20H40O 640.000 0.002 反式-橙花叔醇 C15H26O 250.000 0.0181 0.003 1-癸醇 C10H21OH 775.000~2800.000 0.001-0.005 2-乙基-1-丁醇 C6H14O 75.200 0.028 2-乙基己醇 C8H18O 25482.200 0.004 1-辛醇 C8H18O 125.000 0.475 壬醛 C9H18O 1.000 100.000 100.000 100.000 79.689 癸醛 C10H20O 0.100~2.000 3.542~70.845 3.727~74.531 25.358 庚醛 C7H14O 3.000 25.052 异戊醛 C5H10O 1.1.000 1.193 100.000 正十四烷醛 C14H28O 110.000 0.254 十五醛 C15H30O 1000.000 0.014 异丁酸异戊酯 C9H18O2 87.000~430.000 0.160~0.788 乙酸异丁酯 C6H12O2 25.000 2.851 十四烷 C14H30 1000.000 0.149 0.300 0.137 0.166 十一烷 C11H24 2140.000 0.185 0.013 0.202 0.056 1-十四碳烯 C14H28 60.000 0.088 L-石竹烯 C15H24 64.000 0.111 0.713 0.144 2,6-二叔丁基对甲酚 C15H24O 1000.000 0.036 0.006 0.031 2,4-二叔丁基苯酚 C14H22O 500.000 0.002 百里酚 C10H14O 1700.000 0.008 1,2-二甲苯 C8H10 450.230 0.182 0.076 对二甲苯 C8H10 1000.000 0.093 0.014 乙基苯 C8H10 29.000 0.107 2,6-二甲基吡嗪 C6H8N2 200.000 0.255 0 3.382 2,5-二甲基吡嗪 C6H8N2 1 800.000 0.001 0.008 表 3 主成分的特征值及贡献率
Table 3 Eigenvalues and contribution rate of principal components
主成分
Principal
component特征值
Eigenvalue贡献率
Contribution
rate/%累计贡献率
Cumulative
contribution
rate/%PC1 3.989 66.484 66.484 PC2 1.316 21.935 88.419 PC3 0.695 11.581 100.000 表 4 主成分的特征向量与载荷矩阵
Table 4 Eigenvectors and loading matrix of principal components
类别
Category主成分1 PC1 主成分2 PC2 主成分3 PC3 特征向量
Feature vectors载荷量
Amount of load特征向量
Feature vectors载荷量
Amount of load特征向量
Feature vectors载荷量
Amount of load酮类 Ketone 0.485 0.969 0.151 0.173 0.212 0.177 醇类 Alcohol −0.291 −0.581 0.554 0.636 0.608 0.507 醛类 Aldehydes −0.501 −1.000 0.014 0.016 −0.004 −0.003 酯类 Esters 0.421 0.841 0.439 0.504 0.236 0.197 醚类 Ethers −0.093 −0.185 0.688 0.789 −0.703 −0.586 其他类 Others 0.494 0.986 −0.053 −0.061 −0.187 −0.156 表 5 标准化主成分综合得分
Table 5 Comprehensive scores of standardized principal components
干燥方式
Drying methodF1 F2 F3 F 排序
Sorting超声波辅助聚葡萄糖渗透热泵干燥 UAPOHPD 1.267 0.350 −0.991 0.804 2 热泵干燥 HPD 2.280 0.466 0.737 1.703 1 超声波辅助聚葡萄糖渗透真空冷冻-热泵联合干燥 UAPOVFPCD −2.248 1.124 0.127 −1.233 4 真空冷冻干燥 VFD −1.175 −1.128 0.810 −0.935 3 -
[1] WANG Q, LIU B, CAO J, et al. The impacts of vacuum microwave drying on osmosis dehydration of tilapia fillets[J]. J Food Process Eng, 2019, 42(1): e12956.
[2] DUAN Z H, JIANG L N, WANG J L, et al. Drying and quality characteristics of tilapia fish fillets dried with hot air-microwave heating[J]. Food Bioprod Process, 2011, 89(4): 472-476. doi: 10.1016/j.fbp.2010.11.005
[3] KITUU G M, SHITANDA D, KANALI C, et al. Thin layer drying model for simulating the drying of tilapia fish (Oreochromis niloticus) in a solar tunnel dryer[J]. J Food Eng, 2010, 98(3): 325-331. doi: 10.1016/j.jfoodeng.2010.01.009
[4] LI M, WU Y Y, GUAN Z Q. Effect of physical osmosis methods on quality of tilapia fillets processed by heat pump drying[J]. Pol J Food Nutr Sci, 2017, 67(2): 145-150. doi: 10.1515/pjfns-2016-0016
[5] 方嘉沁, 韩舜羽, 王凤娇, 等. 莲子的营养成分及其在食品工业中的加工研究进展[J]. 农产品加工, 2019(6): 72-75. [6] LUO J, LI M, ZHANG Y, et al. The low-field NMR studies the change in cellular water in tilapia fillet tissue during different drying conditions[J]. Food Sci Nutr, 2021, 9(5): 2644-2657.
[7] BENET I, GUÀRDIA M D, IBAÑEZ C, et al. Analysis of SPME or SBSE extracted volatile compounds from cooked cured pork ham differing in intramuscular fat profiles[J]. LWT-Food Sci Technol, 2015, 60(1): 393-399. doi: 10.1016/j.lwt.2014.08.016
[8] HANSEN T, PETERSEN M A, BYRNE D V. Sensory based quality control utilising an electronic nose and GC-MS analyses to predict end-product quality from raw materials[J]. Meat Sci, 2005, 69(4): 621-634. doi: 10.1016/j.meatsci.2003.11.024
[9] 蔡秋杏, 赵永强, 辛少平. 基于电子鼻与HS-SPME-GC-MS技术分析不同处理方式腌干带鱼挥发性风味成分[J]. 水产学报, 2016, 40(12): 1931-1940. [10] FRATINI G, LOIS S, PAZOS M, et al. Volatile profile of Atlantic shellfish species by HS-SPME GC/MS[J]. Food Res Int, 2012, 48(2): 856-865. doi: 10.1016/j.foodres.2012.06.033
[11] LEMA N L D, BELLINCONTRO A, MENCARELLI F, et al. Use of electronic nose, validated by GC-MS, to establish the optimum off-vine dehydration time of wine grapes[J]. Food Chem, 2012, 130(2): 447-452. doi: 10.1016/j.foodchem.2011.07.058
[12] TIKK K, HAUGEN J E, ANDERSEN H J, et al. Monitoring of warmed-over flavour in pork using the electronic nose-correlation to sensory attributes and secondary lipid oxidation products[J]. Meat Sci, 2008, 80(4): 1254-1263. doi: 10.1016/j.meatsci.2008.05.040
[13] 马琦, 伯继芳, 冯莉, 等. GC-MS结合电子鼻分析干燥方式对杏鲍菇挥发性风味成分的影响[J]. 食品科学, 2019, 40(14): 276-282. doi: 10.7506/spkx1002-6630-20180904-046 [14] EDIRISINGHE R K, GRAFFHAM A J, TAYLOR S J. Characterisation of the volatiles of yellowfin tuna (Thunnus albacares) during storage by solid phase microextraction and GC-MS and their relationship to fish quality parameters[J]. Int J Food Sci Tech, 2007, 42(10): 1139-1147. doi: 10.1111/j.1365-2621.2006.01224.x
[15] 荣建华, 熊诗, 张亮子, 等. 基于电子鼻和SPME-GC-MS联用分析脆肉鲩鱼肉的挥发性风味成分[J]. 食品科学, 2015, 36(10): 124-128. doi: 10.7506/spkx1002-6630-201510025 [16] WELKE J E, ZANUS M, LAZZAROTTO M, et al. Quantitative analysis of headspace volatile compounds using comprehensive two-dimensional gas chromatography and their contribution to the aroma of Chardonnay wine[J]. Food Res Int, 2014, 59: 85-99. doi: 10.1016/j.foodres.2014.02.002
[17] TCHABO W, MA Y, KWAW E, et al. Aroma profile and sensory characteristics of a sulfur dioxide-free mulberry (Morus nigra) wine subjected to non-thermal accelerating aging techniques[J]. Food Chem, 2017, 232: 89-97. doi: 10.1016/j.foodchem.2017.03.160
[18] 张哲奇, 臧明伍, 张凯华, 等. 熟制高压灭菌和复热对粉蒸肉挥发性风味物质的影响[J]. 食品科学, 2019, 40(10): 187-192. [19] 罗静, 李敏, 关志强. 干燥工艺对罗非鱼片品质的影响[J]. 南方农业学报, 2020, 51(7): 1764-1775. doi: 10.3969/j.issn.2095-1191.2020.07.032 [20] 李官丽, 聂辉, 苏可珍,等. 基于感官评价和电子鼻分析不同蒸煮时间荸荠挥发性风味物质[J]. 食品工业科技, 2020, 41(15): 1-7, 14. [21] 顾赛麒, 王锡昌, 陶宁萍, 等. 基于固相微萃取-气-质联用法和电子鼻法检测锯缘青蟹挥发性风味物[J]. 食品工业科技, 2012, 33(14): 140-145, 156. [22] 丁丹, 王松磊, 罗瑞明, 等. 基于SPME-GC-MS分析不同烤制时间新疆烤羊腿表层及内层挥发性化合物[J]. 食品科学, 2021, 42(2): 227-234. [23] 王丹, 丹彤, 孙天松, 等. SPME-GC-MS结合ROAV分析单菌及复配发酵牛乳中关键性风味物质[J]. 食品科学, 2017, 38(8): 145-152. [24] MELUCCI D, BENDINI A, TESINI F, et al. Rapid direct analysis to discriminate geographic origin of extra virgin olive oils by flash gas chromatography electronic nose and chemometrics[J]. Food Chem, 2016, 204: 263-273. doi: 10.1016/j.foodchem.2016.02.131
[25] ENGELSEN S, JENSEN M, PEDERSEN H, et al. NMR-baking and multivariate prediction of instrumental texture parameters in bread[J]. J Cereal Sci, 2001, 33(1): 59-69. doi: 10.1006/jcrs.2000.0343
[26] 里奥·范海默特. 化合物嗅觉阈值汇编[M]. 北京: 中国科学技术出版社, 2018: 5. [27] REFSGAARD H H, HAAHR A M, JENSEN B. Isolation and quantification of volatiles in fish by dynamic headspace sampling and mass spectrometry[J]. J Agric Food Chem, 1999, 47(3): 1114-1118. doi: 10.1021/jf9807770
[28] IGLESIAS J, MEDINA I. Solid-phase microextraction method for the determination of volatile compounds associated to oxidation of fish muscle[J]. J Chromatogr A, 2008, 1192(1): 9-16. doi: 10.1016/j.chroma.2008.03.028
[29] 翁丽萍, 王宏海, 卢春霞, 等. SPME-GC-MS法鉴定养殖大黄鱼主要挥发性风味物质的条件优化[J]. 中国食品学报, 2012, 12(9): 209-215. [30] 刁玉段, 张晶晶, 史珊珊, 等. 致死方式对草鱼肉挥发性成分和脂肪氧合酶活性的影响[J]. 食品科学, 2016, 37(18): 64-70. doi: 10.7506/spkx1002-6630-201618011 [31] KANOKRUANGRONG S, BIRCH J, BEKHIT E. Processing effects on meat flavor-ScienceDirect[J]. Enc Food Chem, 2019: 302-308.
[32] GRABEZ V, BJELANOVIC M, ROHLOFF J, et al. The relationship between volatile compounds, metabolites and sensory attributes: a case study using lamb and sheep meat[J]. Small Rumin Res, 2019, 181: 12-20. doi: 10.1016/j.smallrumres.2019.09.022
[33] 杨文鸽, 邓思瑶, 吕梁玉, 等. 电子束辐照前处理对梅鱼鱼糜凝胶挥发性成分的影响[J]. 农业机械学报, 2017, 48(9): 344-351. [34] JOSEPHSON D B, LINDSAY R C, STUIBER D A. Enzymic hydroperoxide initiated effects in fresh fish[J]. J Food Sci, 1987, 52(3): 596-600. doi: 10.1111/j.1365-2621.1987.tb06683.x
[35] 刘志皋. 食品营养学[M]. 北京: 中国轻工业出版社, 2000: 1-30. -
期刊类型引用(9)
1. 王禹,段静瑶,王志龙,苏岩峰,喻佩. 水产品中杂环胺类化合物的形成及调控研究进展. 中国食品添加剂. 2024(02): 283-290 . 百度学术
2. 阳日东,倪来学,姚现琦,解万翠,车红霞,李红燕,董秀芳. 肉制品中杂环胺影响因素及检测方法的研究进展. 肉类研究. 2023(08): 52-60 . 百度学术
3. 陈敬敬,韩金花,张永胜,师希雄. 肉制品中杂环胺的研究进展. 中国食品卫生杂志. 2022(01): 168-174 . 百度学术
4. 王惠汀,孙学颖,王丹,郭进,靳烨,赵丽华. 肉制品中杂环胺类化合物形成及控制措施的研究进展. 食品研究与开发. 2022(05): 195-203 . 百度学术
5. 程轶群,雷阳,周兴虎,金福源,汪昌保,黄明. 传统肉制品中杂环胺研究进展. 食品科学. 2022(05): 316-327 . 百度学术
6. 谢洋洋,王小溪,闫文杰,赵卓,李兴民. 肉制品中杂环胺的研究进展. 食品研究与开发. 2017(15): 199-205 . 百度学术
7. 王晓龙,佟长青,赵前程,李伟. 我国输美水产品退回数据、存在问题及其解决对策. 河北渔业. 2016(01): 64-66 . 百度学术
8. 陈炎,蔡克周,杨潇,刘亚茜,潘丽军,姜绍通,陈从贵. 外源成分对肉制品中杂环胺抑制效果的研究进展. 食品科学. 2015(23): 329-333 . 百度学术
9. 王南,王桂瑛,赵莹莹,刘登勇. 高温加工肉制品中PhIP的形成与控制. 肉类研究. 2014(10): 33-36 . 百度学术
其他类型引用(10)
-
其他相关附件
-
PDF格式
20210098-附录A 点击下载(166KB)
-